基于K-max池化的卷积网络事件识别方法

摘要

本发明设计了一种基于K‑max池化的卷积网络事件识别方法。传统的卷积神经网络可以最大池化抽取句中的事件信息，但是由于句中可能存在多个事件，传统的最大池化有可能丢失有价值的事件信息而导致识别任务精度下降。针对这个问题，提出了利用K‑max池化的替代传统的最大池化的卷积网络，最大可能保证事件信息的完整性。首先，利用Glove进行词向量表示，然后进行特征提取，包含词汇特征、实体特征和句子特征的提取，最后对句中的单词进行分类预测以识别其对应的事件类型。与传统的CNN网络模型提取的特征相比，拥有K‑max池化的卷积网络能充分捕捉事件的特征，最大利用事件特征，从而实现事件类型的精准识别效果。